Масштабирование Django+Gevent с LDAP Connection Pooling

Сегментируем покупателей с помощью K-Mean

Ищем SQL инъекции через Python

Статья описывает инструмент для поиска уязвимостей в SQL запросах

Анализируем 4 миллиона отзывов Yelp на Python и AWS

IPython или Jupyter?

Python на службе у конструктора. Укрощаем API Kompas 3D

Работая в конструкторском отделе, я столкнулся с задачей — рассчитать трудоёмкость разработки конструкторской документации. Если брать за основу документ: «Типовые нормативы времени на разработку конструкторской документации. ШИФР 13.01.01" (утв. Минтрудом России 07.03.2014 N 003)», то для расчета трудоёмкости чертежа детали нам необходимы следующие данные:

PyPy Development: Async HTTP benchmarks on PyPy3

PyPy научился работать с asyncio

f-строки в Python 3.6

Статья про f-строки в Python 3.6. Особенности применения и производительность.

Jupyter And R Markdown: Notebooks c R

Снова о числах с плавающей точкой

Несмотря на то, что вопросам точности компьютерных вычислений посвящено очень много публикаций, некоторые из них, на наш взгляд, всё же остаются не до конца четко раскрытыми. А именно:

1. Какое количество верных цифр n гарантированно имеет десятичное число, представленное двоичным m разрядным кодом в формате числа с плавающей точкой.
2. Как влияет нормализация чисел с плавающей точкой на точность представления числа при его преобразовании из одной системы счисления в другую и при арифметических действиях, выполняемых на компьютере.
3. Как влияет округление числа, представленного в двоичном виде на его десятичный эквивалент. 
4. Как положение виртуальной точки в машинном слове влияет на значение числа, представленного в экспоненциальной форме. 

Простая программа на Python для гиперболической аппроксимации статистических данных

Законы Зипфа оописывают закономерности частотного распределения слов в тексте на любом естественном языке[1]. Эти законы кроме лингвистики применяться также в экономике [2]. Для аппроксимации статистических данных для объектов, которые подчиниться Законам Зипфа используется гиперболическая функция вида:

Как перейти между внутренними циклами глубокой вложенности

В Python отсутствует явное средство для того что бы в цикле с глубокой вложенностью перейти на нужный уровень, однако далее будет показан один из возможных вариантов решения проблемы используя стандартные элементы конструкции языка.

Разбираемся с Django Channels Django

Статья-туториал по Django Channels. Подробно,  по шагам.

Открытый курс машинного обучения. Тема 1. Первичный анализ данных с Pandas

Первая статья посвящена первичному анализу данных с Pandas.

Пока в серии планируется 7 статей, идущих вместе с тетрадками Jupyter (репозиторий mlcourse_open), соревнованиями и домашними заданиями.

Далее идет список будущих статей, описание курса и собственно, первая тема – введение в Pandas.

os — Portable access to operating system specific features — PyMOTW 3

Как двухлетний репозиторий на GitHub стал трендовым за 48 часов

GitHub предоставил возможность миллионам разработчиков с легкостью публиковать свои проекты и тем самым привлекать пользователей и единомышленников. Часто перед разработчиками возникает проблема неэффективного использования ресурсов — они тратят сотни часов на создание проекта с целью продвинуть его на GitHub, а получают максимум две звезды.

Continuous Integration. CircleCI vs Travis CI vs Jenkins

Обзорная статья про возможности разных CI систем

Image-to-Image Translation d Tensorflow TensorFlow

Пишем игрового бота для DOOM с помощью Deep Learning

Статья описывает как использовать Deep Learning техники для написания интеллектуальных ботов для игр

Алгоритмический трейдинг за меньше 100 строк Python кода